Regresijski model za napovedovanje količine predelanega lesaErzin, Aljaž (Avtor) Grošelj, Jan (Mentor) Dular, Tomaž (Komentor) strojno učenjemodelregresijalinearna regresijanaključni gozdgradientna krepitvena metodanevronska mrežagozddrevokoličinakubaturanapovedV magistrski nalogi je razvit regresijski model strojnega učenja za napovedovanje količine predelanega lesa z določenih gozdnih območij. Predelan les se razvršča v dve kategoriji: les za hlode in les za druge izdelke, med drugim drva in celuloza. Ta razdelitev temelji na znatni razliki v vrednosti lesa, saj ima les za hlode bistveno večjo vrednost kot ostali les. Model je prilagojen realnemu procesu, v katerem je najprej izveden natančen popis dreves, ki so namenjena za posek, pri čemer so drevesa razvrščena v kubaturne (debelinske) razrede glede na premer debla. Po poseku je določena količina lesa razdeljena v različne kategorije, kot so hlodi, drva in les za celulozo. Bruto količina, izmerjena pred posekom, in neto količina, izmerjena po poseku, predstavljata osrednji spremenljivki raziskave. Analizi so dodane tudi dodatne značilnosti, kot so vrsta sečnje in tarifni razred, za povečanje natančnosti napovedi. Glavni cilj naloge je razvoj natančnega napovednega modela, ki temelji na zbranih podatkih o poseku in omogoča napovedovanje neto količine posekanega lesa, pripravljenega za transport. Uporabljeni so napredni regresijski modeli, kot so regresor z večplastnim perceptronom, linearna regresija, naključni gozdovi in regresor z gradientno krepitvijo. Metodologija za shranjevanje in nadaljnjo analizo napovedi in rezultatov s pomočjo orodja Power BI prispeva k globljemu razumevanju in analizi dinamike lesnopredelovalne industrije.20242024-10-24 08:15:05Magistrsko delo/naloga164387UDK: 004.8VisID: 145352COBISS_ID: 212612355sl